Fecha
2025-06
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (UNED)
Citas
0 citas en 
0 citas en 
Resumen
Uno de los métodos más interesantes para la obtención de imágenes del corazón, por no ser invasivo y por su bajo coste, es la ecocardiografía, que emplea ultrasonidos para formar la imagen. El principal problema que presenta esta metodología es la calidad de la imagen resultante, lo que dificulta mucho su interpretación y hace que la curva de aprendizaje de los profesionales para realizar su análisis sea muy alta. Para facilitar la interpretación de las ecocardiografías se están desarrollando modelos de aprendizaje profundo que permitan segmentar el corazón, de manera automática, a partir de ecocardiografías. En especial se busca segmentar el ventrículo izquierdo, ya que muchas enfermedades cardíacas se pueden ver analizando este ventrículo.
En este trabajo lo que se busca es sintetizar los resultados de estos estudios y así analizar en qué estado se encuentra actualmente este campo de estudio y en qué direcciones es, aparentemente, más ventajoso seguir avanzando el desarrollo. Para cumplir con estos objetivos se han empleado las técnicas de revisión sistemática y de meta-análisis. En la parte de revisión sistemática se extrajeron datos, siguiendo los estándares marcados por la guía PRISMA, de 96 estudios o modelos distintos, provenientes de un total de 35 artículos diferentes. El conjunto de datos, formado a partir de los datos extraídos, fue empleado para realizar el meta-análisis donde se emplearon distintos estadísticos para el cálculo de la heterogeneidad, eligiendo finalmente el que mejor se adecuaba al conjunto de datos. Por último, se realizaron análisis de subgrupos, donde el conjunto de datos se dividía en distintos grupos según alguna característica en especial, para posteriormente realizar un meta-análisis sobre cada uno de estos grupos. Esto permite ver la influencia de ciertas características en la medida de efecto, pudiendo así analizar si hay algún factor que favorezca al resultado y que, aparentemente, sea beneficioso seguir por ese camino en vez de por otros. Los resultados obtenidos indican un conjunto de datos bastante homogéneo, con bastante presencia de sesgo de publicación y que ofrecen resultados bastante positivos en la segmentación del ventrículo izquierdo del corazón a través de modelos de aprendizaje profundo, lo que podría derivar en que en un futuro cercano se empiece a ver su implantación en casos reales.
One of the most interesting methods for screening the heart is the eco-cardiography, mainly because of its non-invasiveness and low cost, which uses ultrasounds to make an image. The main problem with this methodology is the quality of the image, resulting in difficulties when analysing it, making the learning curve quite steep. There have been developments to make the echo-cardiography analysis easier, allowing heart segmentation to be automatic. These developments have been focusing especially on the left ventricle because many cardiac illnesses can be seen analyzing it. In this work, we are going to synthesize the results of those studies and analyze what state they are in and what course is, apparently, more advantageous for the development of their field of research. To fulfill these objectives, we have used techniques such as system- atic revision and meta-analysis. Regarding the systematic revision, the data was extracted following the PRISMA guidelines from 96 different studies or models from a total of 35 dif- ferent articles. The dataset built from the data extracted was utilized for the meta-analysis in which we used different statistical models to calculate its heterogeneity, finally choosing the one that best suited the dataset. Lastly, we analyzed subgroups of the dataset that had some special characteristics so as to lately do a meta-analysis on each of these subgroups. This allows us to see the influence of certain characteristics in the effect measure, being able this way to analyze if there is any factor that favors the result and if it benefits from following that path instead of others. The results obtained show a set of data pretty homogeneous with quite some bias re- garding to the publishing and offer positive results for the segmentation of the heart’s left ventricle with deep learning models, which could derive in their implementation in real cases in the near future.
One of the most interesting methods for screening the heart is the eco-cardiography, mainly because of its non-invasiveness and low cost, which uses ultrasounds to make an image. The main problem with this methodology is the quality of the image, resulting in difficulties when analysing it, making the learning curve quite steep. There have been developments to make the echo-cardiography analysis easier, allowing heart segmentation to be automatic. These developments have been focusing especially on the left ventricle because many cardiac illnesses can be seen analyzing it. In this work, we are going to synthesize the results of those studies and analyze what state they are in and what course is, apparently, more advantageous for the development of their field of research. To fulfill these objectives, we have used techniques such as system- atic revision and meta-analysis. Regarding the systematic revision, the data was extracted following the PRISMA guidelines from 96 different studies or models from a total of 35 dif- ferent articles. The dataset built from the data extracted was utilized for the meta-analysis in which we used different statistical models to calculate its heterogeneity, finally choosing the one that best suited the dataset. Lastly, we analyzed subgroups of the dataset that had some special characteristics so as to lately do a meta-analysis on each of these subgroups. This allows us to see the influence of certain characteristics in the effect measure, being able this way to analyze if there is any factor that favors the result and if it benefits from following that path instead of others. The results obtained show a set of data pretty homogeneous with quite some bias re- garding to the publishing and offer positive results for the segmentation of the heart’s left ventricle with deep learning models, which could derive in their implementation in real cases in the near future.
Descripción
Categorías UNESCO
Palabras clave
cocardiografía, aprendizaje profundo, segmentación, ventrículo izquierdo, revisión sistemática, meta-análisis, heterogeneidad, homogeneidad, Echo-cardiography, Deep learning, segmentation, left ventricle, systematic review, meta-analysis, heterogeneity, homogeneity
Citación
Cuesta Santano. Carlos. Trabajo fin de Máster: "Segmentación del Ventrículo Izquierdo: Revisión Sistemática y Meta-Análisis". Universidad Nacional de Educación a Distancia (UNED), 2025
Centro
E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial